MétaCan
Menu
Retour à la cohorte
Enregistrement W4387582042 · doi:10.58931/cdet.2023.1318

Glucagon-like Peptide-1 Receptor Agonist Treatment in Type 1 Diabetes

2023· article· en· W4387582042 sur OpenAlexaff
Michael A. Tsoukas

Notice bibliographique

RevueCanadian Diabetes & Endocrinology Today · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineGlycemicIncretinType 1 diabetesInsulinType 2 diabetesGlucagon-like peptide 1 receptorPopulationDiabetes mellitusInsulin resistanceEndocrinologyInternal medicineAgonistReceptor

Résumé

récupéré en direct d'OpenAlex

Type 1 diabetes (T1D) is characterized by a progressive decline of insulin production due to a marked destruction of pancreatic B cells. Intensive insulin therapy is the pillar of T1D management. More recently, continuous glucose monitoring devices, closed-loop systems (CLS) and smarter connected insulin pen systems have all significantly helped individuals to improve glycemic control. Despite these advances, however, more than three-quarters of the adult T1D population does not achieve recommended glycemic targets. In addition, aggressive insulin intensification potentiates weight gain and the risk of recurrent hypoglycemic events. Recent significant increase in rates of obesity has also led to a sharp increase in T1D patients who concurrently have adiposity-based chronic disease, increasing their insulin resistance and predisposition for cardiovascular events. While insulin will remain the basis of T1D management, there is an unmet need for individualized adjunctive therapeutic approaches focusing on the prevention of diabetic complications in addition to glycemic control. One such adjunctive therapy currently being explored in T1D are the glucagon-like peptide-1 receptor agonists (GLP-1 RAs), a popular and robust approach in Type 2 diabetes (T2DM) to mimic the natural endogenous GLP-1 incretin. This brief review will focus on the rationale and existing evidence for the use of GLP-1 RAs in the management of T1D.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,670
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,004

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,253
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Diabetes & Endocrinology TodayMême sujetDiabetes Treatment and ManagementTravaux en français237 207